一个改进的无气味卡尔曼波器应用于自动水下车辆的定位和导航

科学领域:

• 机器人技术 机器人技术 机器人技术
• 海洋工程 海洋工程
• 控制系统 控制系统

背景情况:

• 自主水下车辆 (AUV) 需要高定位精度才能成功执行任务.
• 传统的波器,如无气味卡尔曼波器 (UKF) 可能会受到噪声干扰,导致精度降低和潜在的分歧.
• 现有的适应性强大的UKF (ARUKF) 方法可能无法在复杂的环境中完全应对这些挑战.

研究的目的:

• 开发一种新的自适应过算法,以提高AUV的定位精度.
• 在噪音和不确定性存在的情况下,提高AUV导航系统的稳定性和稳定性.
• 为了减轻传统过技术中遇到的分歧问题.

主要方法:

• 提出了一个新的自适应过算法,即滚动地平线无气味卡尔曼过器 (RHAUKF).
• 根据系统噪声估计的最大概率标准推导出一个自适应的UKF算法.
• 使用滚动地平线估计方法和牛顿-拉普森算法对噪声统计估计的算法进行了优化.
• 使用模拟实验验证算法与一个Lie组惯性导航错误模型.

主要成果:

• 与UKF和ARUKF相比,RHAUKF算法显示出显著的错误减少.
• 立场角度误差减少了45%. 立场角度误差减少了45%.
• 速度错误减少了44%.速度错误减少了44%.
• 三维位置错误减少了47%.

结论:

• 在提高AUV定位精度方面,RHAUKF算法提供了卓越的性能.
• 拟议的方法有效地处理复杂的水下环境,并减轻过精度问题和分歧.
• RHAUKF算法提高了潜艇任务的整体稳定性和可靠性.